研究人员推出了一种新颖的优化算法REMBGO,专为评估预算有限的场景设计,例如昂贵的工程模拟。该算法通过整合种群保持、尺度归一化探索和恢复机制来改进现有的EMBGO。REMBGO在CEC2022数据集上进行了基准测试,函数评估次数限制为1040次,随后应用于EAF-STATCOM控制器的调优,展示了其资源感知能力。 AI
影响 为资源受限的模拟环境引入了专门的优化技术。
排序理由 该集群包含一篇详细介绍新算法及其基准测试的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →